一、CRM理論
CRM是Customer Relationship Management的縮寫，即客戶關(guān)系管理。CRM
是一種商業(yè)策略，目的是在企業(yè)和特定的客戶之間，保持一個長期的、提高企業(yè)的盈利和銷售收入的業(yè)務關(guān)系。
1.CRM定義
目前對CRM的定義，不同的研究機構(gòu)有著不同的表述。Swift認為CRM是企業(yè)經(jīng)營方法，通過企業(yè)和客戶之間交流來了解并進一步影響客戶行為，從而為企業(yè)贏得更多的新客戶，留住老客戶。Kincaid認為，CRM是一種綜合使用了企業(yè)管理中的信息、企業(yè)運營機制、信息技術(shù)特別是互聯(lián)網(wǎng)技術(shù)的商業(yè)戰(zhàn)略。Parvatiyar
and
Sheth認為CRM是一種綜合的策略和進程，包括贏得新客戶，留住老客戶，以及與特定的客戶合作。這些CRM的定義強調(diào)的重點是，認為CRM是為了獲得新客戶和留住老客戶而采取的商業(yè)流程，在商業(yè)智能的幫助下，使企業(yè)最大化的獲得客戶價值。
2.CRM分類
從體系結(jié)構(gòu)的觀點來看，CRM分為操作型CRM和分析型CRM。操作型CRM指的是業(yè)務流程(企業(yè)的市場、銷售、服務等)的自動化，而分析型CRM指的是分析企業(yè)的客戶關(guān)系管理系統(tǒng)中的各種數(shù)據(jù)，從而了解客戶的消費特點和預測客戶的行為，目的是為企業(yè)的經(jīng)營和決策提供科學依據(jù)。
二、數(shù)據(jù)挖掘理論
數(shù)據(jù)挖掘的定義：Turban, Aronson, Liang, 和
Sharda認為數(shù)據(jù)挖掘是從巨大的數(shù)據(jù)庫中通過使用統(tǒng)計、數(shù)學、人工智能和機器學習技術(shù)，識別和提取有用的信息并隨后獲得知識的過程。Lejeune,Ahmed,
Berry 和Linoff, Berson et al也提供了類似的定義，認為數(shù)據(jù)挖掘是從巨大的數(shù)據(jù)庫中提取或探知隱藏的模式、信息的過程。
三、CRM的維度和數(shù)據(jù)挖掘模型
Swift, Parvatiyar and Sheth,
Kracklauer認為，CRM包含四個維度：客戶識別、客戶吸引、客戶保留和客戶開發(fā)。
這四個維度可以被看作是一個客戶管理系統(tǒng)的封閉循環(huán)。數(shù)據(jù)挖掘能夠根據(jù)數(shù)據(jù)建立模型。每種數(shù)據(jù)挖掘技術(shù)可以生成一個或更多個以下類型的數(shù)據(jù)模型：關(guān)聯(lián)、分析、分類、聚類、預測、回歸、序列的發(fā)現(xiàn)和可視化。
1.CRM維度
(1)客戶識別。CRM開始于客戶識別，有些文章中也稱作客戶獲得。這個階段的目的就是找到最有可能成為企業(yè)的新客戶;對企業(yè)來說最有價值的是老客戶;本階段還要識別出那些即將流失的客戶并且研究如何挽回。
(2)客戶吸引。本階段是客戶識別完成后的下一階段。發(fā)現(xiàn)了潛在客戶群后，企業(yè)可以采取相應的營銷策略來吸引這些潛在客戶群。吸引客戶的一個有效方法就是直接營銷，直接營銷是企業(yè)向客戶直接進行推銷，通過多種多樣的渠道刺激客戶直接下單。
(3)客戶保留。CRM最關(guān)心的部分。企業(yè)為防止老客戶流失而運用的一系列策略來提高客戶的滿意度?？蛻魸M意度指的是客戶對企業(yè)的期望值與客戶本身所感知之間的比較，是企業(yè)能留住老客戶很重要的條件。企業(yè)保留老客戶的方法包括一對一營銷、客戶忠誠度項目和投訴管理。一對一營銷指通過分析、發(fā)現(xiàn)和預測特定客戶的行為，對客戶進行的有針對性的個性化營銷活動;客戶忠誠度項目的目的是企業(yè)和客戶維持較長時間的業(yè)務聯(lián)系。客戶忠誠度項目包括客戶流失的分析、信用評分、服務質(zhì)量和對忠誠度項目的滿意度。
(4)客戶開發(fā)。包括交易強度，交易價值和個別客戶盈利能力持續(xù)的發(fā)展。客戶開發(fā)的要素包括客戶生命周期價值的分析，升級銷售/交叉銷售和市場購物籃分析?？蛻羯芷趦r值指企業(yè)從客戶身上所獲得的總凈收益。升級銷售指在合適的時間，為合適的客戶提供合適的服務。交叉銷售指將各種資源(時間，金錢、構(gòu)想、活動等)整合，從而降低成本，通過多渠道使企業(yè)接觸到更多的潛在客戶。市場購物籃分析的主要目的是通過分析客戶購買行為的數(shù)據(jù)，挖掘出隱藏在客戶購買行為后面的規(guī)則，最大化客戶交易強度和價值。
2.數(shù)據(jù)挖掘模型
(1)關(guān)聯(lián)。關(guān)聯(lián)的目的就是找到所給記錄之間存在的某種規(guī)律。市場購物籃分析和交叉銷售都是關(guān)聯(lián)模型典型的例子。關(guān)聯(lián)模型的常用建模工具是統(tǒng)計和apriori算法。
(2)分類。分類是數(shù)據(jù)挖掘中最常見的學習模型之一。分類是將數(shù)據(jù)庫中的記錄按照預先定義好的標準進行分類，從而建立一個模型來預測客戶的未來行為。常見的分類工具是神經(jīng)網(wǎng)絡、決策樹和if-then-else規(guī)則。
(3)聚類。聚類的目的是將多樣化的人群分組成若干相同性質(zhì)的群里。聚類與分類是不同的，聚類在算法開始的時候是未知的，聚類的常用工具是神經(jīng)網(wǎng)絡和判別分析。
(4)預測。預測用來估計記錄模式的將來價值。它涉及到建模和未來某一段時間內(nèi)模型的邏輯關(guān)系。預測模型的一個典型例子就是需求預測。預測的常用工具是神經(jīng)網(wǎng)絡和生存分析。
(5)回歸?；貧w是一種統(tǒng)計估計技術(shù)，目的是將每個數(shù)據(jù)對象映像到真正有意義的預測價值。回歸包括曲線擬合、預測、建模的因果關(guān)系和測試的科學假設(shè)變量之間的關(guān)系?；貧w的常用工具包括線性回歸和邏輯回歸。
(6)序列發(fā)現(xiàn)。序列發(fā)現(xiàn)是關(guān)聯(lián)識別或超時模式。目的是模擬序列產(chǎn)生過程的狀態(tài)，提取和報告偏差和超時趨勢。序列發(fā)現(xiàn)的常用工具是統(tǒng)計和集合理論。
(7)可視化?？梢暬笖?shù)據(jù)顯示從而使用戶能查看復雜的模式。
一般與其他的數(shù)據(jù)挖掘模型一起使用，可以更明白地了解已發(fā)現(xiàn)的模式或關(guān)系?？梢暬Ｐ偷牡湫屠邮侨S圖形。
詳細的理論支持和數(shù)據(jù)模型，需要好用的工具來輔助實現(xiàn)，在企業(yè)盈利水平提升的過程中離不開從低成本獲客到快速開發(fā)客戶以及有效維護老客戶的客戶生命周期管理，在眾多的CRM廠商中，XTools
CRM的Plus
首次提出的客戶生命周期理論跟目前管理領(lǐng)域的數(shù)據(jù)挖掘理論不謀而合。無論我們的業(yè)務人員在哪個環(huán)節(jié)，都可以提供強大的工具支持，更多好用的功能，可以去www.xtools.cn注冊XTools
CRM Plus體驗!
